python、PyTorch圖像讀取與numpy轉(zhuǎn)換的示例分析

這篇文章主要為大家展示了“python、PyTorch圖像讀取與numpy轉(zhuǎn)換的示例分析”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“python、PyTorch圖像讀取與numpy轉(zhuǎn)換的示例分析”這篇文章吧。

Tensor轉(zhuǎn)為numpy

np.array(Tensor)

numpy轉(zhuǎn)換為Tensor

torch.Tensor(numpy.darray)

PIL.Image.Image轉(zhuǎn)換成numpy

np.array(PIL.Image.Image)

numpy 轉(zhuǎn)換成PIL.Image.Image

Image.fromarray(numpy.ndarray)

首先需要保證numpy.ndarray 轉(zhuǎn)換成np.uint8型

numpy.astype(np.uint8),像素值[0,255]。

同時灰度圖像保證numpy.shape為(H,W)，不能出現(xiàn)channels

這里需要np.squeeze()。彩色圖象保證numpy.shape為(H,W,3)

之后Image.fromarray(numpy.ndarray)

PIL.Image.Image轉(zhuǎn)換成Tensor

torchvision.transfrom

img=Image.open('00381fa010_940422.tif').convert('L')

import torchvision.transforms as transforms trans=transforms.Compose([transforms.ToTensor()])

a=trans(img)

Tensor轉(zhuǎn)化成PIL.Image.Image

先轉(zhuǎn)換成numpy，再轉(zhuǎn)換成PIL.Image.Image

灰度圖像

img=Image.open('00381fa010_940422.tif').convert('L')

import torchvision.transforms as transforms
trans=transforms.Compose([transforms.ToTensor()])

a=trans(img)
b=np.array(a) #b.shape (1,64,64)
maxi=b.max()
b=b*255./maxi
b=b.transpose(1,2,0).astype(np.uint8)
b=np.squeeze(b,axis=2)
xx=Image.fromarray(b)
xx

彩色圖象

img2=Image.open('00381fa010_940422.tif').convert('RGB')
import torchvision.transforms as transforms
trans=transforms.Compose([transforms.ToTensor()])
a=trans(img2)
a=np.array(a)
maxi=a.max()
a=a/maxi*255
a=a.transpose(1,2,0).astype(np.uint8)
b=Image.fromarray(a)
b

python-opencv

import cv2
a=cv2.imread('00381fa010_940422.tif') #a.shape (64,64,3)
cv2.imwrite('asd.jpg',a)
Image.fromarray(a)
b=cv2.imread('00381fa010_940422.tif',0)#b.shape (64,64)
Image.fromarray(b)

cv2.imread()返回numpy.darray， 讀取灰度圖像之后shape為(64,64)，RGB圖像的shape為(64,64,3)，可直接用Image.fromarray()轉(zhuǎn)換成Image。

cv寫圖像時，灰度圖像shape可以為(H,W)或（H,W,1)。彩色圖像（H,W,3）

要從numpy.ndarray得到PIL.Image.Image，灰度圖的shape必須為(H,W)，彩色為(H,W,3)

對于Variable類型不能直接轉(zhuǎn)換成numpy.ndarray,需要用.data轉(zhuǎn)換

np.array(a.data)

以上是“python、PyTorch圖像讀取與numpy轉(zhuǎn)換的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！